Wan2.2 16GB Training
详情
下载文件
关于此版本
模型描述
★使用16GB显存训练Wan2.2 LoRA
!!! 无需下载！这是一个技术展示！!!!
→→→原始/包含配置的训练数据集→→→ /model/1944129?modelVersionId=2200388
●与原始版本的区别：
4070 Ti Super 16GB / 内存 64GB
这是我第一次训练（真的第一次运行）
（替换 musubi_tuner_gui.py）（我忘了做这个，所以i2v无法工作）
t2v（未勾选 I2V 训练）
模型也从 i2v 改为 t2v
将其他模型的路径改为我的环境路径
dataset_bounce_test.toml 中的 video_directory 和 cache_directory
安装 Triton 和 Sageattention2（SDPA / 我不确定效果如何，但我觉得 Xformers 也会不错）
pip install -U "triton-windows<3.3"
python -s -m pip install .\triton-3.2.0-cp312-cp312-win_amd64.whl
→→→指南在此→→→https://civitai.com/articles/12848
- 可交换的模块数量（据我所知，此模型有40个模块）
35（原始为10）
●训练所需的显存
30% 的时间我使用了15GB，其余时间约为10GB。
在撰写本文时，我尝试设置为40，看是否能在12GB显存下训练，但出现了错误：
"AssertionError: 无法交换超过39个模块。请求交换40个模块。"
●训练所需内存
约使用了29GB系统内存。
因此我认为32GB应该刚刚足够。
●训练所需时间
最长耗时2小时19分钟，最短为2小时17分钟。
我训练了20个epoch，但前5个epoch才开始看到效果。
因此如果操作得当，我可以在一小时出头完成训练。（天哪，我简直不敢相信！）
●训练分辨率（dataset_bounce_test.toml）
我认为模型会根据此配置学习，而非素材本身的分辨率。
resolution = [256, 512]
我刚意识到我不明白 "source_fps = 64.0" 是什么意思。
哦，原来原始视频确实是64FPS。
●训练界面
●配置
●软件及版本
PS D:\sd\git\PGCRT\musubi-tuner_Wan2.2_GUI\venv\Scripts> .\activate
(venv) PS D:\sd\git\PGCRT\musubi-tuner_Wan2.2_GUI\venv\Scripts> pip list
Package Version Editable project location
----------------------- ------------ ---------------------------------------
absl-py 2.3.1
accelerate 1.6.0
av 14.0.1
bitsandbytes 0.45.4
certifi 2025.8.3
charset-normalizer 3.4.3
colorama 0.4.6
contourpy 1.3.2
cycler 0.12.1
diffusers 0.32.1
easydict 1.13
einops 0.7.0
filelock 3.13.1
fonttools 4.60.0
fsspec 2024.6.1
ftfy 6.3.1
grpcio 1.75.0
huggingface-hub 0.34.3
idna 3.10
importlib_metadata 8.7.0
Jinja2 3.1.4
kiwisolver 1.4.9
Markdown 3.9
MarkupSafe 2.1.5
matplotlib 3.10.6
mpmath 1.3.0
musubi-tuner 0.1.0 D:\sd\git\PGCRT\musubi-tuner_Wan2.2_GUI
networkx 3.3
numpy 2.1.2
nvidia-ml-py 13.580.82
opencv-python 4.10.0.84
packaging 25.0
pillow 11.0.0
pip 22.2.1
protobuf 6.32.1
psutil 7.0.0
pynvml 13.0.1
pyparsing 3.2.4
python-dateutil 2.9.0.post0
PyYAML 6.0.2
regex 2025.9.1
requests 2.32.5
safetensors 0.4.5
sageattention 2.2.0
sentencepiece 0.2.0
setuptools 63.2.0
six 1.17.0
sympy 1.13.1
tensorboard 2.20.0
tensorboard-data-server 0.7.2
tokenizers 0.21.4
toml 0.10.2
torch 2.6.0+cu124
torchvision 0.21.0+cu124
tqdm 4.67.1
transformers 4.54.1
triton-windows 3.2.0.post19
typing_extensions 4.12.2
urllib3 2.5.0
voluptuous 0.15.2
wcwidth 0.2.13
Werkzeug 3.1.3
zipp 3.23.0
●需要多少视频片段？时长多长？
/model/1454728/blowjobs-man-in-frame
20个片段，每个3秒，16fps，512px×512px
/model/1962482/wan22-t2v-14b-prone-bone-sex
12个片段，时长3至6秒，RTX4080
/model/1954733/asshole-wan-22-t2vi2v-14b
259个512x512视频片段，每个3秒，单张5090
20个视频，每个3秒
/model/1953467/licking-breasts
23个视频，512×512，每个3秒
/model/1953632/reverseanalcowgirlwan22t2v14b
7个片段，每个约3-4秒，RTX 3090 和 32GB内存
/model/1343431/bouncing-boobs-wan-14b
7个视频，每个约4秒，4090，约35分钟完成
19个片段，每个5秒，16fps
21个片段，每个5秒，16fps
/model/1930239/missionary-anal-trans
20个片段，每个5秒，16fps
/model/1929589/kissing-tongue-action
25个片段，每个5秒，16fps
/model/1927742/side-sexspooning-trans
29个片段，每个3秒，16fps
10秒以上
/model/1927612/reverse-cowgirl-trans
41个片段，每个3秒，24fps（本应使用16fps），下次尝试
/model/1894970/wan-22-reverse-suspended-congress-i2vt2v
23个视频片段，每个3秒，主要为3D动画
/model/1869475/wan-22-anime-cumshot-aesthetics-precision-load-i2v-beta-version
39个原始动画片段，每段3秒，FPS: 16 ↑训练详情↑
/model/1944129/slop-bounce-wan-22-i2v
我3090上生成的7个旧AI视频 ↑训练数据包含↑
/model/1941041/facefuck-t2v-wan22-video-lora
12个片段，256x256像素，3至8秒
/model/1874811/ultimate-deepthroat-i2v-wan22-video-lora-k3nk
593个片段，不同分辨率，1至3秒
/model/1852647/m4crom4sti4-huge-natural-breasts-physics-wan22-video-lora-k3nk
数据集中889个片段，211个分辨率，1至3秒（部分源视频为16fps）
/model/1858645/facial-cumshot-wan-22-video-lora
307个片段，211分辨率，1至3秒
/model/1845306/sideview-deepthroat-wan22-video-lora
700个片段，不同分辨率，1至3秒
/model/1969272/4n4l-pl4y-i2v-anal-didlo-lora-wan22
98个片段，256x256分辨率，1至3秒
/model/1960102/self-nipple-sucking-lora-i2v-wan22-k3nk
319个片段，5种不同场景，不同分辨率，1至5秒，211分辨率
/model/1954774/cunnilingus-pussy-licking-lora-i2v-wan22-k3nk
121个片段，不同分辨率，1至5秒，256分辨率
●从视频文件创建字幕（txt）（将一帧图像作为图片分析）
我认为这不是最聪明的做法，但我希望对某些人有帮助。
你可以下载该图片并拖入ComfyUI界面加载。
哎呀，我上传后工作流消失了。
字幕文本将保存为与视频文件同名。
●我尝试了下一次训练
32个视频，20个epoch，resolution = [512, 288]，blockswap=36
但不知为何，生成了649个视频缓存，最终总步数达到12,340步……（耗时39小时54分钟 / 1个LoRA）
